脉搏波信号预处理方法研究_杨云龙.pdf

数据采集与处理测控技术2023 年第 42 卷第 7 期收稿日期:2022 05 20基金项目:上海市科委科技创新行动计划(21S31904200，22S31903700);上海市大学生创新创业训练计划项目(SH2021064)引用格式:杨云龙，杨海马，赵晨阳，等 脉搏波信号预处理方法研究 J 测控技术，2023，42(7):65 72YANG Y L，YANG H M，ZHAO C Y，et al esearch on Preprocessing Method of Wrist Pulse Signal J Measurement ControlTechnology，2023，42(7):65 72脉搏波信号预处理方法研究杨云龙，杨海马*，赵晨阳，张文婷，宋智超，石志介(上海理工大学 光电信息与计算机工程学院，上海200093)摘要:为克服脉搏波信号采集时受到的高频噪声干扰和低频噪声干扰，脉搏波信号的预处理成为心脉信号处理中的关键环节。使用零相位滤波法处理脉搏波信号，改善传统数字滤波器直接滤波的输出失真问题;通过建立评价参数，对去除高频噪声的数字滤波器和小波阈值滤波器的滤波效果进行评价，获得最佳滤波方法;对比常用去基线漂移方法在处理脉搏波信号时的特点，获得最佳去基线漂移算法。使用新研发的脉搏波采集手环采集多名受试者的脉搏波原始信息，将采集到的信号按上述方法去噪和去基线漂移后，实现脉搏波信号的预处理过程。实验结果表明，采用 sym4 小波基、固定阈值、软阈值函数等小波阈值去噪方法去除高频噪声并使用三次样条插值拟合曲线去除基线漂移后，所获得的脉搏波信号平滑无毛刺，每个周期起始点和终点都在同一水平基线上，满足后续脉搏波信号的医学分析和疾病诊断需要。关键词:脉搏波信号预处理;数字滤波器;小波阈值去噪;三次样条插值中图分类号:TP274;TN911 72文献标志码:A文章编号:1000 8829(2023)07 0065 08doi:10 19708/j ckjs 2023 01 205esearch on Preprocessing Method of Wrist Pulse SignalYANG Yunlong，YANG Haima*，ZHAO Chenyang，ZHANG Wenting，SONG Zhichao，SHI Zhijie(School of Optical-Electrical and Computer Engineering，University of Shanghai forScience and Technology，Shanghai 200093，China)Abstract:To overcome the high-frequency noise interference and low-frequency noise interference during pulsewave signal acquisition，the preprocessing of wrist pulse signal becomes a vital part of the heart pulse signalprocessing The zero-phase filtering method is used to process the wrist pulse signal to improve the output dis-tortion of the traditional digital filter direct filtering By establishing evaluation parameters，the filtering effectsof digital filter and wavelet threshold filter for removing high-frequency noise are evaluated，and the best filte-ring method is obtained By comparing commonly used methods for processing wrist pulse signals，the most suit-able method for removing baseline wander is obtained The newly developed wrist pulse acquisition bracelet isused to collect the original pulse signal on many subjects，and the collected signal is de-noised and de-baselinedrifted according to the above methods to realize the wrist pulse signal preprocessing process The experimentalresults show that the obtained wrist pulse signal is smooth and burr-free after the high-frequency noise is re-moved by wavelet threshold denoising methods such as sym4 wavelet basis，sqtwolog threshold，and soft thresh-old function，and the baseline drift is removed by cubic spline interpolation fitting curve，and the start-point andend-point of each cycle are on the same horizontal baseline，which can meet the needs of medical analysis anddisease diagnosis of subsequent pulse wave signals56Key words:wrist pulse signal preprocessing;digital filter;wavelet threshold denoising;cubic spline interpola-tion脉搏波诊断又称脉诊，是中医诊断的一种重要方式，同时也在韩国、印度等东方国家的医疗保健中扮演着重要的角色1。传统脉诊依赖医生的主观评价，使得诊断结果往往存在争议，因此脉诊客观化显得尤为重要2 3。使用微型压力传感器采集桡动脉的寸、关、尺三部的脉搏波波形图分析脉象，是脉诊客观化的主要方式。而人体脉搏是一种微弱的信号，传感器直接采集的波形往往有较大的噪声，需要进行预处理后才能进行后续分析，预处理的好坏也直接影响了后续分析的准确与否。因此，对脉搏波预处理的方法进行研究具有重要的意义。脉搏波信号是低频信号，采集到的信号中往往存在各种高频噪声，同时，采集的信号中也有部分低频噪声干扰，存在基线漂移的情况。因此，脉搏波信号预处理聚焦于解决上述两个问题:高频噪声干扰和基线漂移。对于高频噪声的去除，数字滤波器和小波阈值滤波器由于其使用简便、滤波效果较好，算力需求比目前流行的各类智能算法小，被广泛使用4 8。但设计的数字滤波器较复杂时，滤波后的信号可能会有一定的失真，需要进一步改进;使用小波阈值滤波器时许多关键参数需要人为确定，难以达到最佳滤波效果，需要进一步探讨。对于基线漂移的去除，常采用滤波器去除9、小波变换去除10 11、拟合基线去除12 13 等这些计算量小、操作简便的方法，但是这些方法也各有利弊。因此，本文介绍了去除高频噪声中相关参数的方法，建立了针对脉搏波的无参考信号的评价参数，并使用新研发的脉搏波采集手环采集多名受试者的原始脉搏波，着重探讨去除高频噪声的最佳方法。接着，对比了几种常用的去除基线方法的优缺点，从而确定最适合脉搏波信号的去除基线漂移方式。最后将上述两步骤最佳方法加以整合，得到脉搏波预处理的最佳方式。1脉搏波信号的预处理方法1 1脉搏波信号的基本特性脉搏波作为人体较微弱的生理信号，其标准波形如图 1 所示，主要具有以下特性9，14 15。低频性。脉搏波信号是低频信号，绝大多数在10 Hz 以下。差异性。脉搏波信号往往因受试者的年龄、状态等不同而存在差异，并没有一个绝对的标准信号，这点在评价滤波效果时需要着重考虑。图 1标准脉搏波波形图 信噪比低。采集得到的脉搏波十分微弱，往往会受到外界环境和人体自身的生理干扰。采集传感器的工频干扰是外界环境的干扰因素之一，由电力系统的交流电频率引起，会给信号带来高频噪声。人体自身生理干扰主要有测量时的人体呼吸频率带来的呼吸干扰、测量时身体的晃动带来的运动伪差干扰，以及测量时紧张造成的肌电干扰，这些干扰往往会给信号带来基线漂移干扰。因此，脉搏波信号预处理环节就是要将高频噪声去除，并改善基线漂移现象。1 2去除高频噪声1 2 1数字滤波器使用数字滤波器滤波是最基本的滤波方式，其利用离散系统的特性对信号进行转换，输出目标频率信号，抑制其他信号16。按冲激响应分类，数字滤波器可分为无限长单位冲激响应(Infinite Impulse e-sponse，II)滤波器和有限长单位冲激响应(Finite Im-pulse esponse，FI)滤波器。II 滤波器有着与模拟滤波器相匹配的单位响应性质，利用成熟的模拟滤波器相关理论可使设计更加便捷16。通过选用合适的模拟滤波器模型并将模拟滤波器离散化转换为数字滤波器就可以完成 II 滤波器的设计。FI 滤波器的设计方法主要有窗函数法、频率抽样法和最优化方法，其中窗函数法在时域中进行，后两种在频域中进行。窗函数法是使用最为广泛的方法，其将要求的理想频率响应 Hd(ej)利用离散傅里叶逆变换转换为时域上的理想冲击响应 hd(n)后，使用一个有限长度的窗函数(n)来截断，从而得到有限长冲激响应序列 h(n)，即h(n)=hd(n)(n)，0nN 1(1)式中:N 为窗的长度;hd(n)为理想冲击响应，计算公式为hd(n)=12Hd(ej)ejnd(2)66测控技术 2023 年第 42 卷第 7 期数字滤波器的设计较为简便，参数确定方法明确，滤除效果较好。但是在信号和噪声频带相互重叠的情况下，会将有效信号和噪声一起去除，从而丢失原有信息。同时若设计的滤波器较为复杂，滤波后的信号可能会存在相位延迟和自适应振铃噪声，需要加以改进。1 2 2小波阈值滤波去噪小波变换则具有良好的时频局部化特性，在信号和噪声的频带相互重叠的情况下也可以很好地分离噪声并去除17。小波变换去噪的基本原理如下。设长度为 n 的信号 xn被噪声 en所污染，所测得的含噪数据 Xn为Xn=xn+en(3)根据小波变换的线性特性可以得到变化后的含噪数据 Xn，其为信号 xn和噪声 en小波变换之和。因此，对含噪数据 Xn进行多尺度小波变换后，在各尺度下抑制噪声 en的小波系数，保留信号 xn的小波系数，最后重构即可实现去噪。其中，利用小波阈值收缩法实现对信号的保留和噪声的抑制是小波变换去噪中使用最广泛的方法，该方法在最小均方差意义下可达到近似最优18。与传统的数字滤波器相比，使用小波阈值滤波去噪可以很好地处理噪声和信号的混叠，适应性更广。但是在使用此方法时需要确定大量参数，参数选择也无明确标准，这给设计带来一定的不便。1 2 3滤波效果评价为了对比各种滤波方法的优劣，需要建立相关评价标准。对于脉搏波信号滤波效果的评价，多数研究通过在标准信号上人为添加噪声来得到含噪信号，采用信噪比、峰值信噪比、均方误差来对信号的滤波效果进行评价14，19 20。而实际上不同人的脉搏波信号往往存在差异，并没有可作为参照的绝对标准的脉搏波波形，也无法得知信号的噪声范围，故不可以采用以上参数进行客观评价。对于此种无参照评价，甘永进等21 利用方差，采用基于统计学的方式构建参数 NSQI来描述滤波的效果，计算公式为NSQI=21/22(4)式中:21为滤波前信号的方差;22为滤波后信号的方差。22越小，则 NSQI越大，代表滤波器的效果越好。但是滤波前后数据的离散程度改变量较小，使得滤波前后的方差差异并不大，使用比值的方式定义评价参数会将差异进一步缩小。同时，方差的量纲和数据的量纲不一致，统计学描述波动一般使用的是标准差。因此，将评价参数定义修改为NSQI=1 2(5)式中:1为滤波前信号的标准差;2为滤波后信号的标准差。2越小，则 NSQI越大，代表滤波器的效果越好。寸、关、尺三部的脉搏波信号因桡动脉在 3 处分布的深浅不同，造成脉搏波信号的强度存在差异，但信号的基本形式和噪声来源完全相同。因此，可以计算寸、关、尺三部的 NSQI值并取平均，得到该种滤波方式的平均滤波评价参数NSQI，即NSQI=(NSQI，cun+NSQI，guan+NSQI，chi)/3(6)式中:NSQI，cun、NSQI，guan、NSQI，chi分别为寸部、关部、尺部信号的 NSQI值。通过对比不同滤波方式下的NSQI值，可以得到最佳的滤波方式，该参数基于寸、关、尺三部的脉搏波建立，评价更客观、准确。1 3去除基线漂移常用于去除基线漂移的方法主要有滤波法、小波变换法、拟合基线法。基线漂移主要由低频噪声引起，而脉搏波信号也为低频信号，使用滤波法容易损失低频信号。小波变换法和拟合基线法的去除基线效果基本相同22，两者主要差异在于小波变换法的计算量稍低于拟合基线法，但拟合基线法可以将所有脉搏波周期的起始点和结束点拉至同一条直线上，小波变换法则无法做到。同时，拟合基线法可以预测未来短时间内的趋势，在信号的实时处理上具有优势。因此，对于脉搏波信号的基线漂移去除，采用拟合基线法最为适合。2预处理方案设计2 1实验材料使用新研发的脉搏波手环23 对预处理所需要的脉搏波信号进行采集，采集手环的硬件设计框图如图2 所示。手环使用 3 枚 DA17-01BA-00 压力传感器同时高速采集寸、关、尺三部脉搏波信号，采样频率为200 Hz。采集到的数据通过通信模块的数据线或蓝牙可传输至上位机，可以使用手机或电脑端接收和分析数据。采集手环及电脑端采集的三部脉搏波如图 3 所示。图 2采集手环的硬件设计框图实验受试者的相关信息如表 1 所示。对 8 位受试者连续采集 3 min 寸、关、尺三部脉搏波信号，截取其中 1 min 较好的波形作为数据样本，使用 II、FI 数字滤波器和多种小波阈值去噪的方法去除每位受试者76脉搏波信号预处理方法研究图 3脉搏波采集手环及电脑端采集的三部脉搏波的三部脉搏波信号中的高频噪声，并计算每位受试者的NSQI，对比得到最优滤波方式。之后基于最优滤波方式去除信号的基线漂移，即完成信号预处理。本文使用 MATLAB 2020b 作为信号处理的软件工具。表 1受试者信息表编号性别年龄/岁身高/cm体重/kg1#男191725202#男201735103#男201735604#男251808005#女201555006#女221615207#女201655058#女241675602 2数字滤波器设计II 与 FI 数字滤波器的设计流程已比较成熟，但是若设计的滤波器比较复杂，滤波后的信号可能会存在部分失真，而目前常用的处理方法较为烦琐，因此需要进一步改进。同时，设计过程中参数设定不当也会加剧滤波后信号的失真，因此需要再次明确参数的确定方法。首先，要根据信号特点和实际情况确定滤波器参数。由于实际滤波存在过渡带，设计时还需考虑过渡带对信号衰减的影响。同时，过渡带也不能过窄，过窄的过渡带会引起幅度的陡峭衰减，产生振铃噪声24。因此，根据脉搏波信号的特点并考虑实际滤波器的特点得到设计低通滤波器的参数，其通带频率为 15 Hz、阻带频率为 30 Hz、通带波纹为 1 dB、阻带衰减为 70dB。接着，根据确定的滤波器参数设计滤波器。对于II 滤波器而言，需要确定使用的滤波器类型。根据确定的滤波器参数，分别使用 4 种滤波器设计得到的幅频特性曲线如图 4 所示。从图 4 中可看出，4 种滤波器中 Butterworth 滤波器在过渡带内衰减最快，没有通带波纹。因此，使用 Butterworth 滤波器来设计 II数字滤波器最为合适。图 44 种不同的 II 数字滤波器的幅频特性曲线对于 FI 滤波而言，则需要考虑窗函数使用的类型，主要考虑阻带衰减指标，同时考虑窗函数的特性。凯塞窗是一种灵活的窗函数，它可以通过调节 值来灵活调整窗函数的旁瓣衰减和主瓣宽度，从而调节滤波器的阻带最小衰减值25。同时，使用凯塞窗设计的滤波器与其他常用窗函数设计的滤波器相比，通带波纹较小，对通带信号影响较小。因此，使用凯塞窗设计FI 滤波器较为合适。但是由于在此参数下设计的 II 和 FI 滤波器阶数均较高，若直接将信号通过上述设计好的滤波器进行滤波会产生一定的相位延迟。同时，滤波后的信号输出前端存在自适应的过程，会产生振铃噪声，如图 5中绿色波形所示。对于此种情况的处理，常用的处理方法是对滤波后的信号增加信号修正环节，分别对相位延迟和自适应振铃噪声进行处理。为消除相位延迟，FI 滤波器可以在计算滤波器的群时延后将信号前移以消除时延;非线性相位的 II 滤波器可以通过在滤波器后接全通滤波器来消除时延。为消除自适应振铃噪声，采用在原始数据前延拓产生部分数据，滤波后再去除延拓数据的方式。但是以上处理方式仍然比较烦琐，需要根据每个信号的实际情况逐个处理，工作量大。因此，本文对设计好的滤波器改用 F(ForwardFilter-everse Filter-everse Output)零相位滤波法对脉搏波信号滤波。具体方法为:首先，仍按照上文所述方86测控技术 2023 年第 42 卷第 7 期法设计好 II 和 FI 滤波器，然后将原始脉搏波信号从首到末顺序滤波;之后，再将滤波得到的信号逆转，从末到首反向滤波，得到与原始信号顺序相反的信号;最后，逆转信号输出，得到最终的波形。使用此方法只需要设计一个滤波器即可完成滤波和信号修正两个环节，从而大幅减轻了工作量。使用 F 零相位滤波法对寸部信号进行滤波，滤波后的波形图如图 5 所示。由此可见，滤波后的信号无相位延迟且无自适应振铃噪声，很好地改善了传统滤波器滤波的缺点。因此，本文对设计好的 II 和 FI滤波器采用 F 零相位滤波法滤波，并讨论滤波器的滤波效果。图 5寸部信号使用不同数字滤波器在不同滤波方法下的对比图2 3小波阈值滤波器设计设计小波阈值滤波器的过程中，小波分解和阈值处理两个步骤往往有许多参数需要确定，确定这些参数是设计小波阈值滤波器的关键。小波分解中，需要确定小波基的选择与分解层数。对于小波基的选择标准，往往从不同小波的支撑长度、对称性、正则性、与信号波形的相似性等方面考虑14。对于分解层数的选择，则根据各个频段的范围与实际要求，结合奈奎斯特采样定理确定。分解层数越多，噪声和信号的分离程度越明显，但是信号重构后的失真程度也越严重14。分解层数中各个频段的分解范围下限值 fn为fn=0 5Fs2n(7)式中:Fs为信号的采样频率。由于采集到的脉搏波信号为离散信号，因此小波基必须满足可以进行离散小波变换的条件，并综合小波基的对称性、支撑长度、相似性等方面，采用 Coiflets系列小波基的 coif3、coif4、coif5 和 Symlets 系列小波基的 sym4、sym6、sym8。分解层数根据脉搏波信号的频域特性，选择分解层数为 4 层。阈值处理中，需要选取阈值和阈值函数，从而抑制含噪信号的小波系数。阈值主要有 4 种选择:固定阈值(sqtwolog)、无偏似然估计阈值(rigrsure)、极大极小阈值(minimaxi)和启发式阈值(heursure)。sqtwolog 阈值和 heursure 阈值去噪效果相对另外两种阈值更彻底，但是也可能会把有用的信号去除。阈值函数有硬阈值(Hard Threshold)和软阈值(Soft Threshold)两种阈值函数。硬阈值对信号的细节信息保留得较为完整，但也存在部分噪声残留;软阈值处理的信号较为平滑，也使得部分细节信号丢失18。此步骤的参数一般难以直接确定，因此本文阈值选取上述的全部阈值，即固定阈值、无偏似然估计阈值、极大极小阈值和启发式阈值，选取硬阈值和软阈值2 种阈值函数，结合选取的几种小波基，对比多种小波阈值滤波去噪方法的效果，以及其中的最佳去噪方法。2 4去除基线漂移拟合基线法更适合于去除脉搏波基线漂移。其中，三次样条插值法拟合曲线是使用较广泛的方法，其可以保证曲线节点处的光滑特性。简单来说，其插值原理为对离散的点使用满足三次插值条件的函数进行拟合，从而得到拟合曲线。使用三次样条插值拟曲线去除基线漂移的具体方案如下:首先，进行插值以拟合基线。三次样条插值法拟合曲线的关键步骤是要确定好拟合的基准点26。使用已去除高频噪声的信号作为去除基线漂移信号，以便于基准点的识别。采用脉搏波信号周期的起始点和结束点作为基准点，拟合插入的点的个数与采样频率相匹配，从而保证曲线精度。拟合基线后，将拟合得到的基线与原始信号相减，即可将基线漂移去除。3实验结果与分析3 1去除高频噪声效果使用设计的 II 和 FI 数字滤波器去除受试者的脉搏波原始信号的高频噪声，结果如图 6 所示。可以96脉搏波信号预处理方法研究看出，在相同的设计要求下，所有受试者的数据使用II 数字滤波器的NSQI值均大于使用 FI 数字滤波器的NSQI。8 位受试者使用 II 滤波器的NSQI均值为2.967 15，大于使用 FI 滤波器时的 2.614 16。图 6使用 II 和 FI 数字滤波器进行滤波的效果对比图在同一要求下设计滤波器，FI 滤波器的阶数往往比 II 滤波器要高，造成了过大的相位延迟。通过仔细对比 2 个滤波器的波形可知，FI 滤波器对细节的处理与 II 滤波器相比也有所欠佳，但是整体差异不大，与使用 NSQI评估滤波效果的结果相同，证明了NSQI参数评估的准确性。在前文确定的范围内，选取不同的阈值、阈值函数、小波基进行组合，形成了 48 种不同的小波阈值去噪方式。应用每种方式去除脉搏波原始信号的高频噪声，并求出每种处理方式的NSQI均值。其中，NSQI均值排名前 5 的去噪方法处理结果如图 7 所示，具体NSQI均值在表 2 给出。通过分析图 7 和表 2 可看出，8 位受试者的NSQI都在使用 sym4 小波基、sqtwolog 阈值、软阈值函数的方式下最大，NSQI均值也在该方式下最大，为 10.333 02，与排名第二的处理方法相差 0.333 264。对排名第一和第二的两种方法进行配对 t 检验分析，并计算效应量指标 Cohens d 值，分析结果如表 3 所示。其中，Cohens d 值表示效应量大小，即差异幅度大小，该值越大说明差异越大。从表 3 中可以看出，p值小于 0.001，说明排名第一和第二的两种方法存在显著性差异。计算得到的 Cohens d 值大于代表效应量大的临界值 0.8，进一步证明了两者存在较大差异，从而说明了排名第一的滤波方法的优越性。表 28 位受试者NSQI均值排名前 5 的处理方式序号处理方式NSQI均值1sym4-sqtwolog-soft10333 0202sym6-sqtwolog-soft9999 7563sym8-sqtwolog-soft9908 1714coif3-sqtwolog-soft9761 1925coif5-sqtwolog-soft9751 736表 3配对 t 检验、效应量指标分析结果处理方法tpCohens d 值sym4-sqtwolog-softsym6-sqtwolog-soft661500012339图 7NSQI均值排名前 5 的小波阈值去噪方法效果对比图从小波阈值滤波去噪的阈值函数选取方面来看，NSQI均值排名前 5 的去噪方法均采用软阈值函数处理方法，表明软阈值函数的处理方法比硬阈值函数的处理方法好。从小波基的选取方面来看，NSQI均值排名前 5 的数据中，有 3 位均为 Symlets 小波基。对比Symlets 系列小波基和 Coiflets 系列小波基处理的信号，发现 Symlets 系列小波基对微弱的特征保留得较好，由此可以得出 Symlets 系列小波基与脉搏波信号有着较好的相似性，且 sym4 最佳。从阈值的选取方面来看，使用 sqtwolog 阈值对脉搏波信号的处理效果最优。小波阈值去噪可以在噪声和信号频带相互重叠的情况下使用，其效果优于数字滤波器。对比 2 种去噪方式各自最大的NSQI均值数据可知，使用数字滤波器为 2 967 15，使用小波阈值滤波为 10 333 02，印证了上述观点，得到最佳滤波方式为小波阈值去噪，并应使用 sym4 小波基、sqtwolog 阈值、软阈值函数相结合的方式。上述结论也表明，脉搏波信号与外界噪声存在互相交杂的状态，噪声的分布情况仍较复杂。使用最佳滤波方式滤波，滤波前后的脉搏波信号如图 8 所示。从图 8 中可以看出，寸、关、尺三部的原始脉搏波信号的高频噪声已很好地去除，滤波后的信号无毛刺、光滑，同时特征点也被保留。3 2去除基线漂移效果使用三次样条插值拟合曲线对滤波后的信号去除基线漂移，去除寸部基线漂移的效果如图 9 所示。去除基线前的原始信号存在一定的基线漂移，去除后所有脉搏波信号周期的起始点和结束点都在同一条水平线上，去除基线漂移效果较好。07测控技术 2023 年第 42 卷第 7 期图 8滤波前后的寸、关、尺三部脉搏波信号图 9去除基线漂移前后的寸部脉搏波信号三部脉搏波信号经过预处理的最终结果如图 10所示。经过预处理后，脉搏波波形光滑，基线漂移也全部去除，三部脉搏波信号在同一条水平线上。图 10经过预处理后的寸、关、尺三部脉搏波信号4结束语本文针对脉诊客观化中对脉搏波信号预处理的问题进行了探讨，给出了预处理中的基本流程以及其中相关参数确定的方法，使用 F 零相位滤波法改善了传统数字滤波器直接处理脉搏波信号的输出失真问题，建立了对滤波效果的评价参数 NSQI，为实际测量中此类无参照信号的评价提供了一定的思路。对于去除高频噪声的方法，结果表明，使用 sym4小波基、sqtwolog 阈值、软阈值函数的小波阈值去噪方式效果最好。对于脉搏波信号的基线漂移去除，使用三次样条插值拟合曲线的方式更为合适。将上述 2 种方法相结合，可以很好地完成脉搏波信号的预处理。脉搏波信号预处理是脉诊客观化的重要环节，预处理后的信号可以用于通过识别特征点和结合机器学习的相关理论进行智能脉诊，也可以建模计算出血液流速、血压等相关的血液动力学参数，该方法可应用在中西医结合诊断、智慧医疗、健康监测领域。参考文献:1GUO C X，JIANG Z，HE H，et al Wrist pulse signal acqui-sition and analysis for disease diagnosis:a review J Com-puters in Biology and Medicine，2022，143:105312 2VELIK An objective review of the technological develop-ments for radial pulse diagnosis in Traditional Chinese Med-icineJ European Journal of Integrative Medicine，2015，7(4):321 331 3郭睿，王忆勤，燕海霞，等 中医常见脉象的血液动力学参数分析 J 上海中医药大学学报，2010，24(6):26 29GUO，WANG Y Q，YAN H X，et al Analysis on hemody-namic parameters of common pulses of TCM J Acta Uni-versitatis Traditionis Medicalis Sinensis PharmacologiaequeShanghai，2010，24(6):26 29(in Chinese)4WANG D M，ZHANG D，LU G M A robust signal prepro-cessing framework for wrist pulse analysisJ BiomedicalSignal Processing and Control，2016，23:62 75 5LI G X，HUANG D Q，WANG L，et al A new method of de-tecting the characteristic waves and their onset and end inelectrocardiogram signals J Biomedical Signal Processingand Control，2022，75:103607 6梁盛德，王寻，梁金福 基于卷积神经网络和心电 QS波群的身份识别J 电子测量与仪器学报，2020，34(4):1 10LIANG S D，WANG X，LIANG J F Human identification u-sing convolutional neural network and QS complex in ECG J Journal of Electronic Measurement and Instrumenta-tion，2020，34(4):1 10(in Chinese)7吴海燕，季忠，李孟泽 基于脉搏波的无创连续血压监测模型簇研究 J 仪器仪表学报，2020，41(7):224 234WU H Y，JI Z，LI M Z esearch on the non-invasive con-tinuous blood pressure monitoring models cluster based onpulse waveJ Chinese Journal of Scientific Instrument，2020，41(7):224 234(in Chinese)8胡炳，展格格，邱政宣，等 基于 PPG 的便携式血管内皮功能检测系统的设计J 电子测量技术，2020，43(11):22 2817脉搏波信号预处理方法研究HU B，ZHAN G G，QIU Z X，et al Design of a portable vas-cular endothelial function detection system based on PPG J Electronic Measurement Technology，2020，43(11):22 28(in Chinese)9KONG K W，CHAN H Y，XIE J，et al Deciphering 3D hu-man sphygmopalpation pulse patterns using“X-ray”imagesacquired from tactile robotic fingersJ/OL 2022-05-20 https:/www biorxiv org/content/10 1101/202101 10 426152 10 GAG N，KUMA A，YAIT H S，et al Analysis of wristpulse signal:emotions and physical pain J IBM，2022，43(5):391 404 11CHUNG Y F How to standardize the pulse-taking methodof traditional Chinese medicine pulse diagnosisJ Com-puters in Biology and Medicine，2013，43(4):342 349 12 WANG H Y，WANG X，DELLE J，et al Shape-preser-ving preprocessing for human pulse signals based on adap-tive parameter determination J IEEE Transactions on Bi-omedical Circuits and Systems，2014，8(4):594 604 13 薛石磊 基于柔性传感器的三部脉象采集分析系统的研究 D 天津:天津大学，2019XUE S L The research of three regions acquisition and a-nalysis system of pulse based on flexible sensorD Tian-jin:Tianjin University，2019(in Chinese)14 郑铱 脉搏波特征参数提取方法的研究 D 西安:西安理工大学，2021ZHENG Y esearch on extraction method of pulse wavefeature parameters D Xian:Xian University of Technolo-gy，2021(in Chinese)15 王骞 脉搏波时频域的连续血压估计研究 D 成都:成都理工大学，2019WANG Q Continuous blood pressure estimation based ontime and frequency domain of pulse waveD Chengdu:Chengdu University of Technology，2019(in Chinese)16 周耀辉，王芸波，朱维新，等 II 数字滤波器设计J 电力自动化设备，2010，30(9):129 131ZHOU Y H，WANG Y B，ZHU W X，et al Design of IIdigital filterJ Electric Power Automation Equipment，2010，30(9):129 131(in Chinese)17 吴光文，王昌明，包建东，等 基于自适应阈值函数的小波阈值去噪方法J 电子与信息学报，2014，36(6):1340 1347WU G W，WANG C M，BAO J D，et al A wavelet thresholdde-noising algorithm based on adaptive threshold function J Journal of Electronics Information Technology，2014，36(6):1340 1347(in Chinese)18 陈晓曦，王延杰，刘恋 小波阈值去噪法的深入研究 J 激光与红外，2012，42(1):105 110CHEN X X，WANG Y J，LIU L Deep study on waveletthreshold method for image noise removing J Laser In-frared，2012，42(1):105 110(in Chinese)19 KUMA A，TOMA H，MEHLA V K，et al Stationarywavelet transform based ECG signal denoising method J ISA Transactions，2021，114:251 262 20XU X，LIANG Y，HE P，et al Adaptive motion artifact re-duction based on empirical wavelet transform and waveletthresholding for the non-cont